Abschlussarbeit: Energieeffizienzoptimierung in der Lithium-Ionen-Batterieproduktion durch Anwendung von Reinforcement Learning

15.09.2023, Diplomarbeiten, Bachelor- und Masterarbeiten

Im Zuge dieser Studienarbeit sollen aktuelle Herausforderungen in der Lithium-Ionen-Batterieproduktion mithilfe eines Digitalen Zwillings sowie eines Reinforcement-Learning-Ansatzes angegangen werden.

- Ausgangssituation -
Der stark steigende Bedarf an kostengünstigen Batteriezellen und damit auch der Aufbau von Gigafactories bringt große Herausforderungen mit sich. Dabei muss insbesondere die Notwendigkeit
der kosten- und energieintensiven Trockenräume in der Fabrikauslegung berücksichtigt werden. Digitale Fabrikzwillinge sowie Reinforcement-Learning-Ansätze bieten hierbei vielversprechende Möglichkeiten, um die Fabrikund Produktionsplanung zielgerichtet zu unterstützen.

- Zielsetzung -
Im Rahmen dieser Arbeit soll auf Basis eines bereits bestehenden digitalen Zwillings ein Reinforcement-Learning-Ansatz erarbeitet werden, der eine energie- und kosteneffiziente Fabrikauslegung unterstützt. Dieser Ansatz soll ausgehend von material- und produktionsspezifischen Faktoren zur optimierten Auslegung von Trockenräumen herangezogen werden.

- Anforderungsprofil -
Sie sollten Interesse an den Herausforderungen in der Batteriezellproduktion haben. Außerdem sollten Sie erste Erfahrungen im Umgang mit Produktionssimulationssoftware wie Plant Simulation und in der Programmierung mit Python aufweisen können. Weiterhin sind eine eigenständige und strukturierte Arbeitsweise sowie Freude beim konzeptionellen Arbeiten von Vorteil. Es besteht die Möglichkeit einer kooperativen Abschlussarbeit zusammen mit anderen Studierenden. Eine gemeinsame Bewerbung ist daher gerne gesehen.

Kontakt: maximilian.lechner@iwb.tum.de; marc.wegmann@iwb.tum.de; sarah.wagner@iwb.tum.de

More Information